[この記事は掲載が終了しました]
コメント
注目のコメント
AIによる人事異動の最適化の取り組みは私もやったことがありますが、非常に難しいです。その理由としては大きく3点あります。
①正解データ(目的変数)の定義
分析モデルを作成するには当然、正解を定義しなければなりません。その際に何を正解とするのかが人事異動は難しい。過去の人事異動が正確であったと仮定して過去異動歴を正解とするのか、異動翌年の評価が高かったら正解とするのかなど。後者だとサンプル数が少なくモデルの精度が悪くなる。
②特徴量(説明変数)の不足
人事領域はデジタル化されていないデータや明文化されていない感覚的なインプットが多量にあります。データ化されているものだけでAIモデルを構築すると、考慮できていない要素が大量にあるため例外が多発します。
③分析結果の偏り
日本の多くの企業では、ジェネラリストが重用されていることもあり、優秀な社員はどのポジションに対する異動候補でもスコア上位に出てきます。そのため、どのポジションの候補一覧を見ても同じメンツしか出てこないなんてこともしばしば。デジタル人材など、"尖った"人材であれば違いが出るのですが。
①~③を考えると、AIによる人材異動モデルはあくまで参考情報、最終的に人間が決めるためのインプットの一部として使用するというのが、現時点でのベストプラクティスだと言えます。同社は春先に営業向けにAIによるトレーニング、評価システム導入のニュースがありましたが、
明治安田生命保険がAIを活用した表情トレーニングアプリ「心sensor for Training」を営業職3万2千人向けに導入 CACが提供
https://robotstart.info/2020/03/17/kokoro-sensor-for-training.html
これの応用だとすると、ちょっと気持ち悪いかも笑
表情や態度まで人事考課に組み込まれたら、、まさか、そんなことは無いと思うが笑
採用や人事考課、人材の最適配置にAI導入は、属人性を排除するには不可欠な流れでしょう。
次女がHRTech系ベンチャーでその分野に関わっているのでよく分かります。
ただ、どんなシステムを活用しようが、「人を人として扱う」ことをきちんとしていかないと、最適な人材配置や人事考課につながらないし、離職防止にもならないと思う。もちろん、AIに任せきりにもしない。
特に人と人として扱うということに関して、人材系ビジネスや人事一筋の人たちの方が意外にできてないという現実。
一人一人に向き合わず、自分たちの評価基準やルールを教科書的に当てはめようとするから。
特に某R社グループ出身の人たちはヘッドハンターやエージェント含めて、人を商品としか見てないことが少なからずなので、私は好きになれない笑これはAIなのか・・・?
>必要な能力や資格を入力することで適任者を見つけ出せるシステムで、今後AIの導入により、個々人が持つ分析力やコミュニケーション能力など詳細で膨大なデータを基に効果的な組織編成が可能になると見込んでいる。
![アプリをダウンロード](/resources/images/banner-app-download.png)